Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

CycleGAN

Zobacz na TensorFlow.org Uruchom w Google Colab Wyświetl źródło na GitHub Pobierz notatnik

Ten notatnik przedstawia niesparowane tłumaczenie obrazu na obraz przy użyciu warunkowych GAN, zgodnie z opisem w Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks , znanego również jako CycleGAN. W artykule zaproponowano metodę, która może uchwycić cechy jednej domeny obrazu i dowiedzieć się, jak te cechy można przełożyć na inną domenę obrazu, a wszystko to przy braku jakichkolwiek sparowanych przykładów treningowych.

Ten notatnik zakłada, że ​​znasz Pix2Pix, o czym możesz się dowiedzieć z samouczka Pix2Pix . Kod dla CycleGAN jest podobny, główna różnica to dodatkowa funkcja utraty i wykorzystanie niesparowanych danych szkoleniowych.

CycleGAN wykorzystuje utratę spójności cyklu, aby umożliwić trenowanie bez konieczności posiadania sparowanych danych. Innymi słowy, może tłumaczyć z jednej domeny na drugą bez mapowania jeden do jednego między domeną źródłową a docelową.

Otwiera to możliwość wykonywania wielu interesujących zadań, takich jak ulepszanie zdjęć, koloryzacja obrazu, transfer stylów itp. Wszystko, czego potrzebujesz, to źródło i docelowy zbiór danych (który jest po prostu katalogiem obrazów).

Obraz wyjściowy 1Obraz wyjściowy 2

Skonfiguruj potok wejściowy

Zainstaluj pakiet tensorflow_examples , który umożliwia importowanie generatora i dyskryminatora.

pip install -q git+https://github.com/tensorflow/examples.git
 import tensorflow as tf
 
 import tensorflow_datasets as tfds
from tensorflow_examples.models.pix2pix import pix2pix

import os
import time
import matplotlib.pyplot as plt
from IPython.display import clear_output

tfds.disable_progress_bar()
AUTOTUNE = tf.data.experimental.AUTOTUNE
 

Rur wejściowy

Ten samouczek uczy modelu, jak tłumaczyć obrazy koni na obrazy zebr. Możesz znaleźć ten zbiór danych i podobne tutaj .

Jak wspomniano w artykule , zastosuj losowe fluktuacje i dublowanie do uczącego zestawu danych. Oto niektóre z technik powiększania obrazu, które pozwalają uniknąć nadmiernego dopasowania.

Jest to podobne do tego, co zostało zrobione w pix2pix

  • W przypadkowym fluktuacji obraz jest zmieniany do rozmiaru 286 x 286 a następnie losowo przycinany do 256 x 256 .
  • W przypadkowym odbiciu lustrzanym obraz jest losowo odwracany w poziomie, tj. Od lewej do prawej.
 dataset, metadata = tfds.load('cycle_gan/horse2zebra',
                              with_info=True, as_supervised=True)

train_horses, train_zebras = dataset['trainA'], dataset['trainB']
test_horses, test_zebras = dataset['testA'], dataset['testB']
 
Downloading and preparing dataset cycle_gan/horse2zebra/2.0.0 (download: 111.45 MiB, generated: Unknown size, total: 111.45 MiB) to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0...
Shuffling and writing examples to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0.incompleteKMK6GL/cycle_gan-trainA.tfrecord
Shuffling and writing examples to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0.incompleteKMK6GL/cycle_gan-trainB.tfrecord
Shuffling and writing examples to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0.incompleteKMK6GL/cycle_gan-testA.tfrecord
Shuffling and writing examples to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0.incompleteKMK6GL/cycle_gan-testB.tfrecord
Dataset cycle_gan downloaded and prepared to /home/kbuilder/tensorflow_datasets/cycle_gan/horse2zebra/2.0.0. Subsequent calls will reuse this data.

 BUFFER_SIZE = 1000
BATCH_SIZE = 1
IMG_WIDTH = 256
IMG_HEIGHT = 256
 
 def random_crop(image):
  cropped_image = tf.image.random_crop(
      image, size=[IMG_HEIGHT, IMG_WIDTH, 3])

  return cropped_image
 
 # normalizing the images to [-1, 1]
def normalize(image):
  image = tf.cast(image, tf.float32)
  image = (image / 127.5) - 1
  return image
 
 def random_jitter(image):
  # resizing to 286 x 286 x 3
  image = tf.image.resize(image, [286, 286],
                          method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)

  # randomly cropping to 256 x 256 x 3
  image = random_crop(image)

  # random mirroring
  image = tf.image.random_flip_left_right(image)

  return image
 
 def preprocess_image_train(image, label):
  image = random_jitter(image)
  image = normalize(image)
  return image
 
 def preprocess_image_test(image, label):
  image = normalize(image)
  return image
 
 train_horses = train_horses.map(
    preprocess_image_train, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

train_zebras = train_zebras.map(
    preprocess_image_train, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

test_horses = test_horses.map(
    preprocess_image_test, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)

test_zebras = test_zebras.map(
    preprocess_image_test, num_parallel_calls=AUTOTUNE).cache().shuffle(
    BUFFER_SIZE).batch(1)
 
 sample_horse = next(iter(train_horses))
sample_zebra = next(iter(train_zebras))
 
 plt.subplot(121)
plt.title('Horse')
plt.imshow(sample_horse[0] * 0.5 + 0.5)

plt.subplot(122)
plt.title('Horse with random jitter')
plt.imshow(random_jitter(sample_horse[0]) * 0.5 + 0.5)
 
<matplotlib.image.AxesImage at 0x7fab5c109f98>

png

 plt.subplot(121)
plt.title('Zebra')
plt.imshow(sample_zebra[0] * 0.5 + 0.5)

plt.subplot(122)
plt.title('Zebra with random jitter')
plt.imshow(random_jitter(sample_zebra[0]) * 0.5 + 0.5)
 
<matplotlib.image.AxesImage at 0x7faaf830c748>

png

Importuj i ponownie używaj modeli Pix2Pix

Zaimportuj generator i dyskryminator używany w Pix2Pix za pośrednictwem zainstalowanego pakietu tensorflow_examples .

Architektura modelu użyta w tym samouczku jest bardzo podobna do tej, która była używana w pix2pix . Oto niektóre z różnic:

Trenowane są tutaj 2 generatory (G i F) oraz 2 dyskryminatory (X i Y).

  • Generator G uczy się przekształcać obraz X w obraz Y $ (G: X -> Y) $
  • Generator F uczy się przekształcać obraz Y w obraz X $ (F: Y -> X) $
  • Dyskryminator D_X uczy się rozróżniać między obrazem X a wygenerowanym obrazem X ( F(Y) ).
  • Dyskryminator D_Y uczy się rozróżniać między obrazem Y a wygenerowanym obrazem Y ( G(X) ).

Model Cyclegan

 OUTPUT_CHANNELS = 3

generator_g = pix2pix.unet_generator(OUTPUT_CHANNELS, norm_type='instancenorm')
generator_f = pix2pix.unet_generator(OUTPUT_CHANNELS, norm_type='instancenorm')

discriminator_x = pix2pix.discriminator(norm_type='instancenorm', target=False)
discriminator_y = pix2pix.discriminator(norm_type='instancenorm', target=False)
 
 to_zebra = generator_g(sample_horse)
to_horse = generator_f(sample_zebra)
plt.figure(figsize=(8, 8))
contrast = 8

imgs = [sample_horse, to_zebra, sample_zebra, to_horse]
title = ['Horse', 'To Zebra', 'Zebra', 'To Horse']

for i in range(len(imgs)):
  plt.subplot(2, 2, i+1)
  plt.title(title[i])
  if i % 2 == 0:
    plt.imshow(imgs[i][0] * 0.5 + 0.5)
  else:
    plt.imshow(imgs[i][0] * 0.5 * contrast + 0.5)
plt.show()
 
WARNING:matplotlib.image:Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).
WARNING:matplotlib.image:Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).

png

 plt.figure(figsize=(8, 8))

plt.subplot(121)
plt.title('Is a real zebra?')
plt.imshow(discriminator_y(sample_zebra)[0, ..., -1], cmap='RdBu_r')

plt.subplot(122)
plt.title('Is a real horse?')
plt.imshow(discriminator_x(sample_horse)[0, ..., -1], cmap='RdBu_r')

plt.show()
 

png

Funkcje strat

W CycleGAN nie ma sparowanych danych do trenowania, dlatego nie ma gwarancji, że wejście x i docelowa para y mają znaczenie podczas treningu. Dlatego też, aby wymusić, że sieć uczy się prawidłowego mapowania, autorzy proponują utratę spójności cyklu.

Straty dyskryminatora i straty generatora są podobne do tych stosowanych w pix2pix .

 LAMBDA = 10
 
 loss_obj = tf.keras.losses.BinaryCrossentropy(from_logits=True)
 
 def discriminator_loss(real, generated):
  real_loss = loss_obj(tf.ones_like(real), real)

  generated_loss = loss_obj(tf.zeros_like(generated), generated)

  total_disc_loss = real_loss + generated_loss

  return total_disc_loss * 0.5
 
 def generator_loss(generated):
  return loss_obj(tf.ones_like(generated), generated)
 

Spójność cyklu oznacza, że ​​wynik powinien być zbliżony do pierwotnego wejścia. Na przykład, jeśli ktoś przetłumaczy zdanie z angielskiego na francuski, a następnie przetłumaczy je z powrotem z francuskiego na angielski, to wynikowe zdanie powinno być takie samo jak zdanie oryginalne.

W utracie spójności cyklu,

  • Obraz $ X $ jest przekazywany przez generator $ G $, który generuje wygenerowany obraz $ \ hat {Y} $.
  • Wygenerowany obraz $ \ hat {Y} $ jest przekazywany przez generator $ F $, który generuje cykliczny obraz $ \ hat {X} $.
  • Średni błąd bezwzględny jest obliczany między $ X $ a $ \ hat {X} $.
$$ forward \ cycle \ spójność \ strata: X -> G (X) -> F (G (X)) \ sim \ hat {X} $$
$$ backward \ cycle \ spójność \ strata: Y -> F (Y) -> G (F (Y)) \ sim \ hat {Y} $$

Utrata cyklu

 def calc_cycle_loss(real_image, cycled_image):
  loss1 = tf.reduce_mean(tf.abs(real_image - cycled_image))
  
  return LAMBDA * loss1
 

Jak pokazano powyżej, generator $ G $ jest odpowiedzialny za tłumaczenie obrazu $ X $ na obraz $ Y $. Utrata tożsamości mówi, że jeśli podałeś obraz $ Y $ do generatora $ G $, powinien on dać prawdziwy obraz $ Y $ lub coś zbliżonego do obrazu $ Y $.

$$ Tożsamość \ strata = | G (Y) - Y | + | F (X) - X | $$
 def identity_loss(real_image, same_image):
  loss = tf.reduce_mean(tf.abs(real_image - same_image))
  return LAMBDA * 0.5 * loss
 

Zainicjuj optymalizatory dla wszystkich generatorów i dyskryminatorów.

 generator_g_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
generator_f_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)

discriminator_x_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
discriminator_y_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
 

Punkty kontrolne

 checkpoint_path = "./checkpoints/train"

ckpt = tf.train.Checkpoint(generator_g=generator_g,
                           generator_f=generator_f,
                           discriminator_x=discriminator_x,
                           discriminator_y=discriminator_y,
                           generator_g_optimizer=generator_g_optimizer,
                           generator_f_optimizer=generator_f_optimizer,
                           discriminator_x_optimizer=discriminator_x_optimizer,
                           discriminator_y_optimizer=discriminator_y_optimizer)

ckpt_manager = tf.train.CheckpointManager(ckpt, checkpoint_path, max_to_keep=5)

# if a checkpoint exists, restore the latest checkpoint.
if ckpt_manager.latest_checkpoint:
  ckpt.restore(ckpt_manager.latest_checkpoint)
  print ('Latest checkpoint restored!!')
 

Trening

 EPOCHS = 40
 
 def generate_images(model, test_input):
  prediction = model(test_input)
    
  plt.figure(figsize=(12, 12))

  display_list = [test_input[0], prediction[0]]
  title = ['Input Image', 'Predicted Image']

  for i in range(2):
    plt.subplot(1, 2, i+1)
    plt.title(title[i])
    # getting the pixel values between [0, 1] to plot it.
    plt.imshow(display_list[i] * 0.5 + 0.5)
    plt.axis('off')
  plt.show()
 

Chociaż pętla treningowa wygląda na skomplikowaną, składa się z czterech podstawowych kroków:

  • Uzyskaj prognozy.
  • Oblicz stratę.
  • Oblicz gradienty za pomocą wstecznej propagacji.
  • Zastosuj gradienty do optymalizatora.
 @tf.function
def train_step(real_x, real_y):
  # persistent is set to True because the tape is used more than
  # once to calculate the gradients.
  with tf.GradientTape(persistent=True) as tape:
    # Generator G translates X -> Y
    # Generator F translates Y -> X.
    
    fake_y = generator_g(real_x, training=True)
    cycled_x = generator_f(fake_y, training=True)

    fake_x = generator_f(real_y, training=True)
    cycled_y = generator_g(fake_x, training=True)

    # same_x and same_y are used for identity loss.
    same_x = generator_f(real_x, training=True)
    same_y = generator_g(real_y, training=True)

    disc_real_x = discriminator_x(real_x, training=True)
    disc_real_y = discriminator_y(real_y, training=True)

    disc_fake_x = discriminator_x(fake_x, training=True)
    disc_fake_y = discriminator_y(fake_y, training=True)

    # calculate the loss
    gen_g_loss = generator_loss(disc_fake_y)
    gen_f_loss = generator_loss(disc_fake_x)
    
    total_cycle_loss = calc_cycle_loss(real_x, cycled_x) + calc_cycle_loss(real_y, cycled_y)
    
    # Total generator loss = adversarial loss + cycle loss
    total_gen_g_loss = gen_g_loss + total_cycle_loss + identity_loss(real_y, same_y)
    total_gen_f_loss = gen_f_loss + total_cycle_loss + identity_loss(real_x, same_x)

    disc_x_loss = discriminator_loss(disc_real_x, disc_fake_x)
    disc_y_loss = discriminator_loss(disc_real_y, disc_fake_y)
  
  # Calculate the gradients for generator and discriminator
  generator_g_gradients = tape.gradient(total_gen_g_loss, 
                                        generator_g.trainable_variables)
  generator_f_gradients = tape.gradient(total_gen_f_loss, 
                                        generator_f.trainable_variables)
  
  discriminator_x_gradients = tape.gradient(disc_x_loss, 
                                            discriminator_x.trainable_variables)
  discriminator_y_gradients = tape.gradient(disc_y_loss, 
                                            discriminator_y.trainable_variables)
  
  # Apply the gradients to the optimizer
  generator_g_optimizer.apply_gradients(zip(generator_g_gradients, 
                                            generator_g.trainable_variables))

  generator_f_optimizer.apply_gradients(zip(generator_f_gradients, 
                                            generator_f.trainable_variables))
  
  discriminator_x_optimizer.apply_gradients(zip(discriminator_x_gradients,
                                                discriminator_x.trainable_variables))
  
  discriminator_y_optimizer.apply_gradients(zip(discriminator_y_gradients,
                                                discriminator_y.trainable_variables))
 
 for epoch in range(EPOCHS):
  start = time.time()

  n = 0
  for image_x, image_y in tf.data.Dataset.zip((train_horses, train_zebras)):
    train_step(image_x, image_y)
    if n % 10 == 0:
      print ('.', end='')
    n+=1

  clear_output(wait=True)
  # Using a consistent image (sample_horse) so that the progress of the model
  # is clearly visible.
  generate_images(generator_g, sample_horse)

  if (epoch + 1) % 5 == 0:
    ckpt_save_path = ckpt_manager.save()
    print ('Saving checkpoint for epoch {} at {}'.format(epoch+1,
                                                         ckpt_save_path))

  print ('Time taken for epoch {} is {} sec\n'.format(epoch + 1,
                                                      time.time()-start))
 

png

Saving checkpoint for epoch 40 at ./checkpoints/train/ckpt-8
Time taken for epoch 40 is 174.27903032302856 sec


Wygeneruj za pomocą testowego zestawu danych

 # Run the trained model on the test dataset
for inp in test_horses.take(5):
  generate_images(generator_g, inp)
 

png

png

png

png

png

Następne kroki

W tym samouczku pokazano, jak zaimplementować CycleGAN, zaczynając od generatora i dyskryminatora zaimplementowanego w samouczku Pix2Pix . W następnym kroku możesz spróbować użyć innego zestawu danych niż TensorFlow Datasets .

Możesz także trenować przez większą liczbę epok, aby poprawić wyniki, lub możesz zaimplementować zmodyfikowany generator ResNet użyty w artykule zamiast używanego tutaj generatora U-Net.